Metody in silico stanovení výpočtem Inovace a rozšíření výuky zaměřené na problematiku životního prostředí na PřF MU (CZ.1.07/2.2.00/15.0213) spolufinancován Evropským sociálním fondem a státním rozpočtem České republiky
Predikční (eko)toxikologie odhad účinku pomocí alternativních metod metody stanovení (eko)toxicity chemických látek, které dosud nebyly testovány experimentálně k určení toxických vlastnosti látek bez použití pokusných zvířat metody pro modelování toxicity směsí využívají shromážděné pokusné údaje a detailní charakteristiky chemické struktury látek na jejich základě a zobecňováním poznatků vytváří expertní počítačové modely, pomocí nichž odhadují toxicitu expertní programy pro odhad toxického účinku výpočtem = soubory pravidel, znalostí, údajů o toxických indexech, statistického hodnocení, výpočetních programů molekulových deskriptorů a metod matematické statistiky!! K postavení dobrého modelu nutné široké soubory kvalitních dat!!
In silico modely Tradiční i rychlé alternativní laboratorní testy rozsáhlé soubory dat (dobré kvality) vývoj a validace predikčních toxikologických výpočetních modelů Modely pro odhad toxicity výpočtem (in silico testy): modely vytvořené a analyzované technikami QSAR kinetické fyziologické simulační modely (PBSM Physiologically-Based Simulation Models; PBPK Physiologically based pharmacokinetic Models) = Modely ADME - simulují kinetiku procesů v organismu, které zodpovídají za koncentraci účinné látky na místě účinku, tedy absorpci (A), distribuci (D), metabolismus (M) a exkreci (E). Modely pro různé organismy a různé způsoby expozice jsou rozlišeny fyziologickými parametry organismů. modely založené na biologické podobnosti (read-across) expertní systémy založené na souborech znalostí a pravidel modely vytvořené technikami molekulové grafiky kombinace různých modelů s umělou neuronovou sítí (Artificial Neural Network).
Využití predikovaných dat pro hodnocení akvatické toxicity Toxikofory H 2 N Znalosti Rešerše Zkušenosti Predikovaná data Structure Activity Relationships (SARs) Cílem SAR je predikovat aktivitu/toxicitu látky výsledky ověřitelné provedením experimentálních studií Př. Toxicita obecně roste se vzrůstem K ow pokud není příliš nízká rozpustnost Použití SAR je umožněno kompletací a revizí dat NH 2 Látka pravděpodobně toxická pro TOXICITA Rostoucí Kow
QSAR (Quantitative structure-activity relationship) - kvantitativní modely vztahu struktury a aktivity látky - předvídají vlastnosti chemických látek jako jejich toxický efekt či schopnost interakce s receptorem na základě jejich molekulárních struktur - založeny na prostudování daného parametru (jako např. LC50, EC50, NOEC, log Kow, BCF nebo koncentrace způsobující subletální vliv) na skupině podobných látek (in vitro či in vivo), určení výsledných parametrů a postavení modelu vztahu strukturních charakteristik látky a sledovaného parametru - mohou být použity k predikci toxicity (biologické aktivity, či jiných vlastností) např. u existujících látek, kde nejsou známy, i u látek, které dosud nebyly syntetizovány. QSARs představuje přístup, který poskytuje možnost podstatného snížení počtu potřebných toxikologických experimentů REACH: QSAR modely jsou přímo jmenovány mezi metodami pro hodnocení chemických látek
Vztah toxicity a chemické struktury Statistické metody hodnocení toxicity QSAR - quantitative structure-activity relationships QSTR - quantitative structure-toxicity relationships Statistické hodnocení vlastností látek v chemických řadách Umožňují rychlý odhad toxicity (a dalších vlastností) látek na základě struktury a znalosti fyzikálních a chemických vlastností látky ze struktury vyplývajících.
QSAR Quantitative Structure Activity Relationship Metoda odhadu biologického účinku na základě struktury látky postavení QSAR modelu účinek(aktivita) vs. set adekvátních deskriptorů Srovnání podobných skupin látek Studium založeno na různých strukturních parametrech Počítačová simulace/predikce toxických, genotoxických a dalších účinků Aplikace korelací mezi vlastnostmi látky spojenými s molekulární stavbou a vlastnostmi spojenými s biologickým systémem Tyto vztahy je možno popsat matematickými vzorci nebo statisticky. BAi = f(xi)
QSAR: vztah-korelace aktivity/toxicity se strukturou Parametry toxicity z testu IC 50, EC 50 Struktura namodelována v softwaru, získány deskriptory molekuly (velikost, tvar, polarita ) Vícerozměrnými statistickými metodami hledány vztahy a nalezen nejlepší model Možná predikce toxicity (vlastnosti) pro netestované látky podobné struktury Potence aza-pahs k aktivaci AhR log(1/ec25) = 1.14 délka 2.12 planarita + 2.82 (R =.95) 14 12 log(1/ec25) = 0.011 EllipsVol + 1.544 (R = 0.95) DBahAc DBaiAc 10 BaAcr DBchAc DBahA log(1/ec25) 8 6 DBcgCa BaA DBajAc BcAcr 4 Phe Phnid Acr Ant IQuin 47Phen BhQ QNaz Phtal Quin Nap 1MeInd2MeInd 6MQuin 17Phen Car 110Phen Phnaz 2 0 200 400 600 800 1000 1 Ellips. Volume
Základní matematické vztahy Biologická Aktivita = konst + (C 1 P 1 ) + (C 2 P 2 ) + (C 3 P 3 ) +... Biologická Aktivita = Velikost (kvantita) biologického účinku - Parametry z testu (LD50, stupeň kancerogenity, dráždivosti, rozložitelnosti... ) r 2 = regression variance original variance r - Korelační koeficient r 2 nabývá hodnot 0 až 1. Molekulové deskriptory (P) popisují strukturu molekuly látky či její vlastnosti teoretické vs. experimentální: velikost molekuly, molekulová hmotnost, počet a typ funkčních skupin, náboj molekuly, 3D struktura atd. fyzikálně-chemické vlastnosti: lipofilita, polarizovatelnost, bod varu, log P existuje několik tisíc deskriptorů
QSAR nutná validace modelu, statistické testy významnosti modelu MODELOVACÍ DATA TRENOVACÍ DATA VALIDAČNÍ DATA QSAR omezení využitelnosti Předpoklad působení shodným mechanismem Větší spolehlivost při interpolaci než extrapolaci Nespecifická toxicita především funkcí 3 hlavních vlastností látek Hydrofobicita Reaktivita Sterické faktory
Inovace tohoto předmětu je spolufinancována Evropským sociálním fondem a státním rozpočtem České republiky